Distribución t de Student

Distribución t de Student
	; Función de densidá de probabilidá
	; Función de distribución de probabilidá
Parámetros	graos de llibertá (real)
Función de densidá (pdf)
Función de distribución (cdf)	onde ye la función hipergeométrica
Media	pa , indefinida pa otros valores mediana =
Moda
Varianza	pa , indefinida pa otros valores
Coeficiente de simetría	pa
Curtosis	pa
Entropía	: función digamma, *; : función beta
Función xeneradora de momentos (mgf)	(Non definida)
	[editar datos en Wikidata]

En probabilidá y estadística, la distribución t (de Student) ye una distribución de probabilidá que surde del problema d'envalorar la media d'una población de normal distribuyida cuando'l tamañu de la muestra ye pequeñu.

Apaez de manera natural al realizar la prueba t de Student pa la determinación de les diferencies ente dos medies muestrales y pa la construcción del intervalu d'enfotu pa la diferencia ente les medies de dos poblaciones cuando se desconoz la esviación típica d'una población y ésta ten de ser envalorada a partir de los datos d'una muestra.

Carauterización

La distribución t de Student ye la distribución de probabilidá del cociente

T={\frac {Z}{\sqrt {V/\nu \ }}}=Z{\sqrt {\frac {\nu \ }{V}}}

onde

Z ye una variable aleatoria distribuyida según una normal típica (de media nula y varianza 1).
V ye una variable aleatoria que sigue una distribución χ² con $\nu \$ graos de llibertá.
Z y V son independientes

Si μ ye una constante non nula, el cociente ${\frac {Z+\mu }{\sqrt {V/\nu \ }}}$ ye una variable aleatoria que sigue la distribución t de Student non central con parámetru de non-centralidad $\mu$ .

Apaición y especificaciones de la distribución t de Student

Supongamos que X₁,..., X_n son variables aleatories independientes distribuyíes de normal, con media μ y varianza σ². Sía

{\overline {X}}_{n}=(X_{1}+\cdots +X_{n})/n

la media muestral. Entós

Z={\frac {{\overline {X}}_{n}-\mu }{\sigma /{\sqrt {n}}}}

sigue una distribución normal de media 0 y varianza 1.

Sicasí, yá que la esviación estándar non siempres ye conocida de mano, Gosset estudió un cociente rellacionáu,

T={\frac {{\overline {X}}_{n}-\mu }{S_{n}/{\sqrt {n}}}},

S^{2}(x)={\frac {1}{n-1}}\sum _{i=1}^{n}(x_{i}-{\overline {x}})^{2}

ye la cuasivarianza muestral y demostró que la función de densidá de T ye

f(t)={\frac {\Gamma ((\nu +1)/2)}{{\sqrt {\nu \pi \,}}\,\Gamma (\nu /2)}}(1+t^{2}/\nu )^{-(\nu +1)/2}

onde $\nu \$ ye igual a n − 1.

La distribución de T llámase agora la distribución-t de Student.

El parámetru $\nu \$ representa'l númberu de graos de llibertá. La distribución depende de $\nu \$ , pero non de $\mu$ o $\sigma$ , lo cual ye bien importante na práutica.

Intervalos d'enfotu derivaos de la distribución t de Student

El procedimientu pal cálculu del intervalu d'enfotu basáu na t de Student consiste n'envalorar la esviación típica de los datos S y calcular l'error estándar de la media: ${\overline {X}}={\frac {S}{\sqrt {n}}}$ , siendo entós l'intervalu d'enfotu pa la media: ${\overline {X}}=\pm t_{\alpha /2,n-1}{\frac {S}{\sqrt {n}}}$ .

Ye esta resultancia'l que s'utiliza nel test de Student: yá que la diferencia de les medies de muestres de dos distribuciones normales distribúyese tamién de normal, la distribución t puede usase pa esaminar si esa diferencia puede razonablemente suponese igual a cero.

Pa efeutos práuticos el valor esperáu y la varianza son:

$Y(t(n))=0$ y $Var(t(n-1))=n/(n-2)$ pa $n>2$

Historia

La distribución de Student foi descrita en 1908 por William Sealy Gosset. Gosset trabayaba nuna fábrica de cerveza, Guinness, que prohibía a los sos emplegaos la publicación d'artículos científicos por cuenta de un espardimientu previu de secretos industriales. D'ende que Gosset publicara les sos resultaos sol seudónimu de Student.^[1]

Distribución t de Student non estandarizada

La distribución t puede xeneralizase a 3 parámetros, introduciendo un parámero locacional $\mu$ y otru d'escala $\sigma$ . La resultancia ye una distribución t de Student non estandarizada que la so densidá ta definida por:^[2]

p(x|\nu ,\mu ,\sigma )={\frac {\Gamma ({\frac {\nu +1}{2}})}{\Gamma ({\frac {\nu }{2}}){\sqrt {\pi \nu }}\sigma }}\left(1+{\frac {1}{\nu }}\left({\frac {x-\mu }{\sigma }}\right)^{2}\right)^{-{\frac {\nu +1}{2}}}

Equivalentemente, puede escribise en términos de $\sigma ^{2}$ (correspondiente a la varianza en cuenta de a la esviación estándar):

p(x|\nu ,\mu ,\sigma ^{2})={\frac {\Gamma ({\frac {\nu +1}{2}})}{\Gamma ({\frac {\nu }{2}}){\sqrt {\pi \nu \sigma ^{2}}}}}\left(1+{\frac {1}{\nu }}{\frac {(x-\mu )^{2}}{\sigma ^{2}}}\right)^{-{\frac {\nu +1}{2}}}

Otres propiedaes d'esta versión de la distribución t son:^[2]

{\begin{aligned}\operatorname {Y} (X)&=\mu \quad \quad \quad {\text{para }}\,\nu >1,\\{\text{Var}}(X)&=\sigma ^{2}{\frac {\nu }{\nu -2}}\,\quad {\text{para }}\,\nu >2,\\{\text{Moda}}(X)&=\mu .\end{aligned}}

Referencies

↑ Walpole, Roland; Myers, Raymond y Ye, Keying (2002). Probability and Statistics for Engineers and Scientists. Pearson Education.
↑ ^2,0 ^2,1 Jackman, Simon (2009). Bayesian Analysis for the Social Sciences. Wiley.

Enllaces esternos

Tabla de distribución de T de Student
Prueba t de Student na UPTC de Colombia (enllaz rotu disponible n'Internet Archive; ver l'historial y la última versión).
Tabla distribución t de Student
Distribución t-Student: Puntos porcentuales pa probabilidá cimera
Probability, Statistics and Estimation n'inglés. Primeros Studentes na páxina 112.
[1] Calcular la probabilidá d'una distribución t-Student con R (llinguaxe de programación)

[1] Walpole, Roland; Myers, Raymond y Ye, Keying (2002). Probability and Statistics for Engineers and Scientists. Pearson Education.

[Jackman-2] 2,0 ^2,1 Jackman, Simon (2009). Bayesian Analysis for the Social Sciences. Wiley.

[1]

[2]

Distribución t de Student
Función de densidá de probabilidá
Función de distribución de probabilidá
Parámetros	$\nu >0\!$ graos de llibertá (real)
Función de densidá (pdf)	${\frac {\Gamma ((\nu +1)/2)}{{\sqrt {\nu \pi }}\,\Gamma (\nu /2)}}(1+x^{2}/\nu )^{-(\nu +1)/2}\!$
Función de distribución (cdf)	${\begin{matrix}{\frac {1}{2}}+x\Gamma \left({\frac {\nu +1}{2}}\right)\cdot \\[0.5em]{\frac {\,_{2}F_{1}\left({\frac {1}{2}},{\frac {\nu +1}{2}};{\frac {3}{2}};-{\frac {x^{2}}{\nu }}\right)}{{\sqrt {\pi \nu }}\,\Gamma \left({\frac {\nu }{2}}\right)}}\end{matrix}}$ onde $\,_{2}F_{1}$ ye la función hipergeométrica
Media	$0$ pa $\nu >1$ , indefinida pa otros valores mediana = $0$
Moda	$0$
Varianza	${\frac {\nu }{\nu -2}}\!$ pa $\nu >2$ , indefinida pa otros valores
Coeficiente de simetría	$0$ pa $\nu >3$
Curtosis	${\frac {6}{\nu -4}}\!$ pa $\nu >4$
Entropía	${\begin{matrix}{\frac {\nu +1}{2}}\left[\psi ({\frac {1+\nu }{2}})-\psi ({\frac {\nu }{2}})\right]\\[0.5em]+\log {\left[{\sqrt {\nu }}B({\frac {\nu }{2}},{\frac {1}{2}})\right]}\end{matrix}}$ $\psi$ : función digamma, * $B$ : función beta
Función xeneradora de momentos (mgf)	(Non definida)
[editar datos en Wikidata]